Studii recente au arătat capacitatea sistemelor de inteligență artificială în diagnosticarea medicală a bolilor importante
Sisteme de inteligență artificială (AI) există de ceva timp și acum devin mai deștepți și mai buni cu timpul. AI are aplicații în multe domenii și este acum parte integrantă a majorității domeniilor. AI poate fi o componentă esențială și utilă a medical știință și cercetare, deoarece are un potențial imens de a avea un impact asupra industriei de sănătate.
Inteligența artificială în diagnosticul medical?
Timpul este cea mai valoroasă resursă în asistența medicală și diagnosticarea precoce adecvată este foarte importantă pentru rezultatul final al unei boli. Asistența medicală este adesea un proces lung și consumator de timp și resurse, care întârzie diagnosticarea eficientă și, la rândul său, întârzie tratamentul corect. AI poate ajuta la umplerea decalajului dintre disponibilitatea și gestionarea timpului de către medici prin încorporarea vitezei și acurateței în diagnosticul pacienților. Ar putea ajuta la depășirea limitărilor resurselor și ale profesioniștilor din domeniul sănătății, în special în țările cu venituri mici și medii. AI este un proces de învățare și gândire la fel ca oameni printr-un concept numit deep-learning. Învățarea profundă utilizează seturi largi de eșantion de date pentru a crea singuri arbori de decizie. Cu această învățare profundă, un sistem AI poate gândi de fapt la fel ca oamenii, dacă nu mai bine și, prin urmare, AI ar putea fi considerată aptă pentru a îndeplini sarcini medicale. La diagnosticarea pacienților, sistemele AI continuă să caute modele printre pacienții cu aceleași boli. În timp, aceste modele pot construi o bază pentru prezicerea bolilor înainte ca acestea să se manifeste.
Într-un studiu recent1 publicat în Celulă, au folosit cercetătorii artificial tehnici de inteligență și învățare automată pentru a dezvolta un nou instrument de calcul pentru a examina pacienții cu boli ale retinei comune, dar orbitoare, care ar putea accelera diagnosticarea și tratamentul. Cercetătorii au folosit o rețea neuronală bazată pe inteligență artificială pentru a analiza peste 200,000 de scanări ale ochilor efectuate cu o tehnologie non-invazivă care respinge lumina de pe retină pentru a crea reprezentări 2D și 3D ale țesutului. Apoi au folosit o tehnică numită „învățare prin transfer”, în care cunoștințele dobândite în rezolvarea unei probleme sunt stocate de un computer și aplicate unor probleme diferite, dar conexe. De exemplu, o rețea neuronală AI optimizată pentru a recunoaște structurile anatomice discrete ale ochiului, cum ar fi retina, corneea sau nervul optic, le poate identifica și evalua mai rapid și mai eficient atunci când examinează imagini ale unui ochi întreg. Acest proces permite sistemului AI să învețe treptat cu un set de date mult mai mic decât metodele tradiționale, care necesită seturi de date mari, ceea ce le face costisitoare și consumatoare de timp.
Studiul s-a concentrat pe două cauze comune ale orbirii ireversibile care sunt tratabile atunci când sunt detectate devreme. Diagnosticele derivate de la aparate au fost comparate cu diagnosticele de la cinci oftalmologi care au revizuit aceleași scanări. Pe lângă realizarea unui diagnostic medical, platforma AI a generat și o recomandare de trimitere și tratament care nu a fost făcută în niciun studiu anterior. Acest sistem AI instruit a acționat la fel ca un oftalmolog bine instruit și ar putea genera o decizie în 30 de secunde dacă pacientul ar trebui sau nu să fie trimis pentru tratament, cu o precizie de peste 95 la sută. Ei au testat, de asemenea, instrumentul AI pentru diagnosticarea pneumoniei infantile, o cauză principală de deces la nivel mondial la copii (sub vârsta de 5 ani), pe baza analizelor automate ale radiografiilor toracice. Interesant este că programul de calculator a reușit să facă diferența între viral și bacteriene pneumonie cu o precizie de peste 90 la sută. Acest lucru este crucial pentru că, deși pneumonia virală este eliminată în mod natural de organism după cursul ei, pneumonia bacteriană, pe de altă parte, tinde să fie o amenințare mai gravă pentru sănătate și necesită tratament imediat cu antibiotice.
Într-un alt salt major2 în sistemele de inteligență artificială pentru diagnosticare medicală, oamenii de știință au descoperit că fotografiile făcute pe retina unui individ pot fi analizate prin algoritmi de învățare automată sau software pentru a prezice riscul cardiovascular prin identificarea semnalelor care indică o boală cardiacă. Starea vaselor de sânge din ochi, care este surprinsă în fotografii, s-a arătat că prezice cu exactitate vârsta, sexul, etnia, tensiunea arterială, orice atacuri de cord anterioare și obiceiurile de fumat și toți acești factori prezic colectiv bolile legate de inimă la un individ.
Ochiul ca bloc informativ
Ideea de a privi fotografiile cu ochiul pentru a diagnostica sănătatea există de ceva vreme. Este bine stabilit că peretele interior din spate al ochiului uman are o mulțime de vase de sânge care reflectă sănătatea generală a corpului. Prin studierea și analiza aspectului acestor vase de sânge cu o cameră și un microscop, pot fi prezise o mulțime de informații despre tensiunea arterială a unui individ, vârsta, fumătorul sau nefumătorul etc. și aceștia sunt toți indicatori importanți ai sănătății inimii unei persoane. . Boala cardiovasculară (BCV) este cauza numărul unu de deces la nivel global și mai mulți oameni mor de boli cardiovasculare în comparație cu orice altă boală sau afecțiune. Acest lucru este mai răspândit în țările cu venituri mici și medii și reprezintă o povară uriașă pentru economie și omenire. Riscul cardiovascular depinde de o multitudine de factori precum genele, vârsta, etnia, sexul, în combinație cu exercițiile și dieta. Majoritatea bolilor cardiovasculare pot fi prevenite prin abordarea riscurilor comportamentale, cum ar fi consumul de tutun, obezitatea, inactivitatea fizică și alimentația nesănătoasă, prin modificarea semnificativă a stilului de viață pentru a aborda riscurile posibile.
Diagnosticul de sănătate folosind imagini retiniene
Acest studiu realizat de cercetătorii de la Google și de propria companie de tehnologie a sănătății Verily Life Sciences a arătat că un algoritm de inteligență artificială a fost utilizat pe un set mare de date de fotografii retiniene de aproximativ 280,000 de pacienți și acest algoritm a fost capabil să prezică cu succes factorii de risc cardiac în doi complet. seturi de date independente de aproximativ 12000 și 1000 de pacienți cu o acuratețe destul de bună. Algoritmul a folosit întreaga fotografie a retinei pentru a cuantifica asocierea dintre imagine și riscul de atac de cord. Acest algoritm ar putea prezice un eveniment cardiovascular în 70 la sută din timp la un pacient și, de fapt, un fumător și un nefumător au fost de asemenea distinși în acest test în 71 la sută din timp. Algoritmul ar putea, de asemenea, să prezică tensiunea arterială ridicată, indicând o afecțiune a inimii și să prezică tensiunea arterială sistolice - presiunea în vase atunci când inima bate - într-un interval al majorității pacienților cu sau fără tensiune arterială crescută. Acuratețea acestei predicții, potrivit autorilor, este foarte asemănătoare cu un control cardiovascular în laborator, în care se prelevează sânge de la pacient pentru a măsura nivelul colesterolului urmând în paralel cu istoricul pacientului. Algoritmul din acest studiu, publicat în Natura Inginerie biomedicala, ar putea, cel mai probabil, să prezică și apariția unui eveniment cardiovascular major - de exemplu, un atac de cord.
Un aspect extrem de interesant și crucial al acestor studii a fost că computerul poate spune unde caută într-o imagine pentru a ajunge la un diagnostic, permițându-ne să înțelegem procesul de predicție. De exemplu, studiul Google a arătat exact „ce părți ale retinei” au contribuit la algoritmul de predicție, cu alte cuvinte, modul în care algoritmul a făcut predicția. Această înțelegere este importantă nu numai pentru a înțelege metoda de învățare automată în acest caz particular, ci și pentru a genera încredere și încredere în întreaga metodologie, făcând-o transparentă.
Provocări
Astfel de imagini medicale vin cu provocările sale, deoarece observarea și apoi cuantificarea asociațiilor bazate pe astfel de imagini nu este simplă, în principal din cauza mai multor caracteristici, culori, valori, forme etc din aceste imagini. Acest studiu folosește învățarea profundă pentru a evidenția conexiunile, asocierile și relațiile dintre modificările anatomiei umane (morfologia internă a corpului) și boală, în același mod în care ar face un profesionist din domeniul sănătății atunci când corelează simptomele pacienților cu o boală. . Acești algoritmi necesită mai multe teste înainte de a putea fi utilizați într-un cadru clinic.
În ciuda discuțiilor și provocărilor, IA are un potențial imens de a revoluționa diagnosticarea și gestionarea bolilor, făcând analize și clasificări care implică cantități imense de date care sunt dificile pentru experții umani. Oferă instrumente alternative de diagnosticare bazate pe imagini rapide, rentabile, neinvazive. Factorii importanți pentru succesul sistemelor AI ar fi puterea de calcul mai mare și mai multă experiență a oamenilor. Într-un viitor probabil, noi perspective medicale și diagnosticare ar putea fi realizate cu AI fără direcție umană sau supraveghere.
***
{Puteți citi lucrarea originală de cercetare făcând clic pe linkul DOI de mai jos în lista surselor citate}
Sursa (s)
1. Kermany DS et al. 2018. Identificarea diagnosticelor medicale și a bolilor tratabile prin învățare profundă bazată pe imagini. Celulă. 172(5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R și colab. 2018. Predicția factorilor de risc cardiovascular din fotografiile fundului retinian prin învățare profundă. Inginerie biomedicală a naturii. 2. https://doi.org/10.1038/s41551-018-0195-0
